Jay Ferro, Chief Information, Technology and Product Officer, Clario – Interview Series

Jay Ferro es el Chief Information, Technology and Product Officer en Clario, tiene más de 25 años de experiencia liderando equipos de Tecnología de la Información y Productos, con un enfoque fuerte en la protección de datos y una pasión por crear tecnologías y productos que tengan un impacto significativo.

Antes de unirse a Clario, Jay ocupó puestos de liderazgo senior, incluyendo CIO, CTO y CPO, en organizaciones globales como Quikrete Companies y la Sociedad Americana del Cáncer. También es miembro de la Junta Directiva de Allata, LLC. Sus logros profesionales han sido reconocidos múltiples veces, incluyendo premios de Atlanta Technology Professionals como Líder Ejecutivo del Año y HMG Strategy como CIO de Mediana Capitalización del Año.

Clario es un líder en la gestión de ensayos clínicos, ofreciendo tecnologías de puntos finales integrales para transformar vidas a través de la generación de evidencia confiable y precisa. Especializado en ensayos de oncología, Clario enfatiza los resultados informados por los pacientes (PRO) para mejorar la eficacia, garantizar la seguridad y mejorar la calidad de vida, abogando por los PRO electrónicos como una alternativa más rentable al papel. Con experiencia en áreas terapéuticas y cumplimiento normativo global, Clario apoya ensayos descentralizados, híbridos y basados en sitios en más de 100 países, aprovechando tecnologías avanzadas como la inteligencia artificial y los dispositivos conectados. Sus soluciones optimizan los procesos de ensayos, garantizando el cumplimiento y la retención a través del apoyo y la capacitación integrados para pacientes y patrocinadores por igual.

Clario ha integrado más de 30 modelos de inteligencia artificial en diversas etapas de ensayos clínicos. ¿Podría proporcionar ejemplos de cómo estos modelos mejoran aspectos específicos de los ensayos, como la oncología o la cardiología?

Utilizamos nuestros modelos de inteligencia artificial para entregar velocidad, calidad, precisión y privacidad a nuestros clientes en más de 800 ensayos clínicos. Me enorgullece que nuestras herramientas no sean solo parte del ciclo de hipería de la inteligencia artificial, sino que estén entregando un valor real a nuestros clientes en esos ensayos.

Hoy en día, nuestros modelos de inteligencia artificial caen en gran medida en cuatro categorías: asistencia de control de calidad, asistencia de lectura, análisis de lectura y privacidad de datos. Por ejemplo, tenemos herramientas en imágenes médicas que pueden redactar automáticamente la información de identificación personal (PII) en imágenes estáticas, videos o PDF. También empleamos herramientas de inteligencia artificial que entregan datos con evaluaciones de calidad rápidas en el momento de la carga — así que hay mucha confianza en esos datos. Hemos desarrollado una herramienta que monitorea los datos de ECG continuamente para la calidad de la señal, y otra que confirma los identificadores de paciente correctos. Hemos desarrollado una herramienta de asistencia de lectura que permite la predicción de rebanadas, la propagación de lesiones y la detección de enfermedades. Además, hemos mejorado el análisis de lectura automatizando y estandarizando la interpretación de datos con herramientas como la puntuación de colitis ulcerosa de Mayo compatible con inteligencia artificial.

Esos son solo algunos ejemplos de los tipos de modelos de inteligencia artificial que hemos estado desarrollando desde 2018, y aunque hemos hecho mucho progreso, apenas estamos empezando.

¿Cómo garantiza Clario que las perspectivas impulsadas por la inteligencia artificial mantengan una alta precisión y coherencia en entornos de ensayos diversos?

Estamos entrenando constantemente nuestros modelos de inteligencia artificial con vastas cantidades de datos para entender la diferencia entre buenos datos y datos que no son buenos o relevantes. Como resultado, nuestro análisis de datos impulsado por la inteligencia artificial detecta, preanaliza ricas historias de datos y, en última instancia, conduce a resultados de mayor calidad para nuestros clientes.

Nuestras soluciones de espirometría ilustran bien por qué lo hacemos. Los clínicos utilizan la espirometría para ayudar a diagnosticar y monitorear ciertas afecciones pulmonares midiendo cuánto aire puede exhalar un paciente en una sola respiración forzada. Hay una variedad de errores que pueden ocurrir cuando un paciente utiliza un espirómetro. Pueden realizar la prueba demasiado lenta, toser durante la prueba o no poder hacer un sello completo alrededor de la boquilla del espirómetro. Cualquiera de esas variabilidades puede causar un error que puede que no se descubra hasta que un ser humano analice los resultados. Hemos entrenado modelos de aprendizaje profundo con más de 50,000 ejemplos para aprender a distinguir entre una buena lectura y una mala lectura. Con nuestros dispositivos y algoritmos, los clínicos pueden ver el valor de los datos en tiempo casi real en lugar de tener que esperar al análisis humano. Eso importa en parte porque algunos pacientes pueden tener que conducir varias horas para participar en un ensayo clínico. Imagina conducir esa distancia hacia casa desde el sitio solo para aprender que tendrás que realizar otra prueba de espirometría la semana siguiente porque la primera mostró un error. Nuestros modelos de inteligencia artificial están entregando sobrelécturas precisas mientras el paciente todavía está en el sitio. Si hay un error, se puede rectificar en el acto. Es solo una de las formas en que estamos trabajando para reducir la carga en los sitios y los pacientes.

¿Podría elaborar sobre cómo los modelos de inteligencia artificial de Clario reducen los tiempos de recolección de datos sin comprometer la calidad de los datos?

Generar los datos de mayor calidad para los ensayos clínicos es siempre nuestro enfoque, pero la naturaleza de nuestros algoritmos de inteligencia artificial significa que la captura y el análisis se aceleran dramáticamente. Como mencioné, nuestros algoritmos nos permiten realizar análisis de control de calidad más rápido y con un nivel de precisión más alto que la interpretación humana. También nos permiten realizar controles de calidad mientras se ingresan los datos. Eso significa que podemos identificar datos de pacientes faltantes, erróneos o de mala calidad mientras el paciente todavía está en el sitio del ensayo, en lugar de hacerles saber días o semanas después.

¿Cómo aborda Clario los desafíos de los ensayos descentralizados y híbridos, especialmente en términos de privacidad de datos, compromiso del paciente y calidad de los datos?

En estos días, un ensayo descentralizado es básicamente un ensayo con un componente híbrido. Creo que el concepto de dejar que los participantes utilicen sus propios dispositivos o dispositivos conectados en casa realmente abre la puerta a mayores posibilidades en los ensayos, especialmente en términos de accesibilidad. Hacer que los ensayos sean más fáciles de participar es un enfoque clave de nuestra hoja de ruta tecnológica, que apunta a desarrollar soluciones que mejoren la diversidad del paciente, optimicen el reclutamiento y la retención, aumenten la comodidad para los participantes y expandan las oportunidades para ensayos clínicos más inclusivos. Ofrecemos espirometría en el hogar, presión arterial en el hogar, eCOA y otras soluciones que entregan la misma integridad de datos que soluciones más tradicionales, y lo hacemos en concierto con la supervisión de nuestros expertos en puntos finales y áreas terapéuticas. El resultado es una mejor experiencia para el paciente para mejores datos de puntos finales.

¿Cuál es la ventaja única que ofrece el enfoque impulsado por la inteligencia artificial de Clario para reducir los plazos y costos de los ensayos para empresas farmacéuticas, biotecnológicas y de dispositivos médicos?

Hemos estado desarrollando herramientas de inteligencia artificial desde 2018, y han permeado todo lo que estamos haciendo internamente y, ciertamente, en toda nuestra mezcla de productos. Y lo que nunca nos ha abandonado es asegurarnos de que lo estemos haciendo de una manera responsable: manteniendo a los humanos en el bucle, asociándonos con reguladores, asociándonos con nuestros clientes y incluyendo a nuestros equipos legales, de privacidad y de ciencia para asegurarnos de que estemos haciendo todo de la manera correcta.

Desarrollar y desplegar la inteligencia artificial de manera responsable debería afectar a nuestros clientes de varias maneras positivas. La base de nuestro programa de inteligencia artificial se basa en lo que creemos que son los Principios de Uso Responsable de la industria. Cualquiera en Clario que toque la inteligencia artificial sigue esos cinco principios. Entre ellos, tomamos todas las medidas para asegurarnos de que estemos utilizando los datos más diversos disponibles para entrenar nuestros algoritmos. Monitoreamos y probamos para detectar y mitigar los riesgos, y solo utilizamos datos anonimizados para entrenar modelos y algoritmos. Cuando aplicamos esas pautas al desarrollar una nueva herramienta de inteligencia artificial, podemos entregar rápidamente datos precisos — a escala — que reducen los sesgos, aumentan la diversidad y protegen la privacidad del paciente. Cuanto más rápido podamos entregar datos precisos a los patrocinadores, mayor será el impacto en su línea de fondo y, en última instancia, en los resultados de los pacientes.

Los modelos de inteligencia artificial pueden reflejar sesgos inherentes a los datos. ¿Qué medidas toma Clario para garantizar un análisis de datos justo e imparcial en los ensayos?

Sabemos que el sesgo ocurre cuando el conjunto de datos de entrenamiento es demasiado limitado para su uso previsto. Inicialmente, el conjunto de datos puede parecer suficiente, pero cuando el usuario final comienza a utilizar la herramienta y empuja la inteligencia artificial más allá de lo que se entrenó para responder, puede generar errores. El Director Médico de Clario, el Dr. Todd Rudo, a veces utiliza este ejemplo: Podemos entrenar un modelo para determinar el colocación adecuada de los electrodos en electrocardiogramas (ECG) para que los clínicos puedan decir si los técnicos han colocado los electrodos en los lugares adecuados del cuerpo del paciente. Tenemos toneladas de grandes datos para que podamos entrenar ese modelo en 100,000 ECG. Pero, ¿qué pasa si solo entrenamos nuestro modelo de inteligencia artificial utilizando datos de pruebas para adultos? ¿Cómo reaccionará el modelo si se realiza un ECG en un paciente de 2 años? Claramente, podría perder errores que tienen un impacto en el tratamiento.

Es por eso que en Clario, nuestros equipos de producto, datos, I+D y ciencia trabajan en estrecha colaboración para asegurarnos de que estemos utilizando los datos de entrenamiento más completos para garantizar la precisión y la confiabilidad en aplicaciones del mundo real. Utilizamos los datos más diversos disponibles para entrenar los algoritmos incorporados en nuestros productos. También es por eso que insistimos en utilizar la supervisión humana para mitigar los riesgos durante el desarrollo y el uso de la inteligencia artificial.

¿Cómo integra Clario el proceso de supervisión y monitoreo humano con las salidas de la inteligencia artificial para garantizar el cumplimiento normativo y los estándares éticos?

La supervisión humana significa que tenemos equipos de humanos que saben exactamente cómo se desarrollan, entrenan y validan nuestros modelos. Tanto en el desarrollo como después de que hemos integrado un modelo en una tecnología, nuestros expertos monitorean las salidas para detectar posibles sesgos y garantizar que las salidas sean justas y confiables. Creo que la inteligencia artificial es sobre aumentar la ciencia y el genio humano. La inteligencia artificial da a los humanos la capacidad de centrarse en un nivel de desafío más alto. Somosremarkablemente buenos para resolver problemas y todavía mucho mejores en intuición y matices que las máquinas. En Clario, utilizamos la inteligencia artificial para eliminar la carga de las cosas repetibles. La utilizamos para analizar conjuntos de datos amplios, ya sea imágenes de pacientes, ensayos anteriores o cualquier otra cosa que queramos analizar. Generalmente, las máquinas pueden hacer eso más rápido, y en algunos casos, mejor que los humanos pueden. Pero no pueden reemplazar la intuición humana y la ciencia y la experiencia en el mundo real que las personas maravillosas en nuestra industria tienen.

¿Cómo prevé que la inteligencia artificial impacte los ensayos clínicos en los próximos años, particularmente en campos como la oncología, la cardiología y los estudios respiratorios?

En la oncología, estoy emocionado sobre avanzar en el uso de la inteligencia artificial aplicada en la radiómica, que extrae métricas cuantitativas de las imágenes médicas. La radiómica implica varios pasos, incluida la adquisición de imágenes de tumores, el preprocesamiento de imágenes, la extracción de características y el desarrollo de modelos, seguido de la validación y la aplicación clínica. Utilizando la inteligencia artificial cada vez más avanzada, podremos predecir el comportamiento del tumor, adaptar la respuesta al tratamiento y prever los resultados de los pacientes en función de la imagen no invasiva de los tumores. Podremos utilizarla para detectar signos tempranos de la enfermedad y la detección temprana de la recurrencia de la enfermedad. A medida que las herramientas de inteligencia artificial más avanzadas se integren en la radiómica y los flujos de trabajo clínicos, veremos pasos gigantescos en la oncología y la atención al paciente.

Estoy igualmente emocionado sobre el futuro de los estudios respiratorios. El año pasado, adquirimos ArtiQ, una empresa belga que construyó modelos de inteligencia artificial para mejorar la recolección de datos respiratorios en ensayos clínicos. Su fundador ahora es mi Oficial de Inteligencia Artificial en jefe, y estamos esperando grandes cosas en soluciones respiratorias. Nuestro enfoque de la aplicación de algoritmos se ha convertido en un juego cambiator, no menos porque está ayudando a reducir la carga del paciente y del sitio. Cuando los datos de espiración no se analizan en tiempo real y se detecta una anomalía más tarde, obliga al paciente a regresar a la clínica para otra prueba. Esto no solo agrega estrés para el paciente, sino que también puede crear retrasos y costos adicionales para el patrocinador del ensayo, y eso conduce a varios desafíos operativos. Nuestros nuevos dispositivos de espirometría aprovechan los modelos de ArtiQ para abordar esa carga al ofrecer sobrelécturas en tiempo casi real. Eso significa que si surgen problemas, se identifican y resuelven de inmediato mientras el paciente todavía está en la clínica.

Finalmente, estamos desarrollando herramientas que tendrán un impacto en áreas terapéuticas. Pronto, por ejemplo, veremos que la inteligencia artificial entrega cada vez más valor en las evaluaciones de resultados clínicos electrónicas (eCOA). Veremos modelos de inteligencia artificial que capturan y miden los cambios sutiles experimentados por el paciente. Esta tecnología ayudará a una multitud de investigadores, pero, por ejemplo, los investigadores de Alzheimer podrán entender en qué etapa de la enfermedad se encuentra el paciente. Con ese tipo de conocimiento, la eficacia de los medicamentos puede evaluarse mejor, y los pacientes y sus cuidadores pueden estar mejor preparados para manejar la enfermedad.

¿Qué papel cree que desempeñará la inteligencia artificial en la expansión de la diversidad dentro de los ensayos clínicos y la mejora de la equidad de salud en las poblaciones de pacientes?

Si solo se mira la inteligencia artificial a través de una lente tecnológica, creo que te metes en problemas. La inteligencia artificial debe abordarse desde todos los ángulos: tecnología, ciencia, regulación, etc. En nuestra industria, la verdadera excelencia se logra solo a través de la colaboración humana, que amplía la capacidad de hacer las preguntas correctas, como: “¿Estamos entrenando modelos que tengan en cuenta la edad, el género, el sexo, la raza y la etnia?” Si todos los demás en nuestra industria hacen esas preguntas antes de desarrollar herramientas, la inteligencia artificial no solo acelerará el desarrollo de medicamentos, lo acelerará para todas las poblaciones de pacientes.

¿Podría compartir los planes o predicciones de Clario para la evolución de la inteligencia artificial en el sector de ensayos clínicos en 2025 y más allá?

En 2025, estamos a punto de ver que la biotecnología aproveche la inteligencia artificial y el análisis en tiempo real como nunca antes. Estos avances optimizarán los ensayos clínicos y mejorarán la toma de decisiones. Al acelerar la construcción de estudios y la implementación de la vigilancia basada en riesgos, podremos acelerar los plazos, aliviar la carga sobre los pacientes y permitir que los patrocinadores entreguen tratamientos que salvan vidas con mayor precisión y eficiencia. Este es un momento emocionante para todos nosotros, ya que trabajamos juntos para transformar la atención médica.

Gracias por la gran entrevista, los lectores que deseen aprender más deben visitar Clario.